• 디지털융복합연구
• /
• 제16권5호
• /
• pp.185-197
• /
• 2018

종목 수가 급증하고 있는 한국 ETF 시장을 분석하여 투자효율성이 어느 정도 인가를 규명하여 ETF 투자자들에게 투자방향을 제시하는 것이 연구목적이다. 연구절차와 방법은 2010년~2018년에 거래된 ETF를 대상으로 국내ETF 및 해외 ETF, 기초자산, 추적배수의 종류별로 수익률 결과 및 변화추이, 상관관계, 회귀분석을 하였다. 연구결과, 국내 ETF의 전체 수익률은 3.51%로서 코스피 상승률 보다 낮았으며, 주식 ETF 수익률도 4.03%로서 코스피 상승률 보다 낮았다. 레버리지 ETF 수익률도 3%이하여서 투자자들이 기대했던 수익률 보다 낮았으며, 채권 ETF와 통화 ETF의 수익률은 1%이하였고, 인버스 ETF 수익률은 마이너스를 보였다. 가장 수익률이 높은 것은 인덱스 ETF였고, 다음은 국내주식 ETF, 레버리지 ETF, 해외 ETF 순이다. 연구기여도는 투자자 입장에서 실제로 달성 가능한 투자효과를 분석하여 ETF를 매입할 때 고려사항을 정립한 데 기여하였고, 향후연구방향은 ETF 자료를 많이 축적해서 ETF 투자방향을 더 정밀하게 제시하고자 한다.

• 서비스연구
• /
• 제9권1호
• /
• pp.51-71
• /
• 2019

상장종목 수와 시가총액이 급증하고 있는 ETF 시장을 분석하여 ETF의 투자 효과를 규명함으로써 투자 방안을 제시하는 것이 연구목적이다. 연구 절차와 방법은 2010년~2018년 기간 동안 거래내역과 거래금액, 시가총액 등 표본을 대상으로 ETF 종류별로 수익률 및 변화추이를 산출하였고, 상관관계와 회귀분석을 실시하였다. 연구결과, ETF 전체수익률은 2.11%, 국내기초시장 ETF 수익률은 2.39%, 주식 ETF 수익률은 2.59%로서 코스피 지수와 코스피200 지수상승률 보다 낮아서 투자자들이 기대했던 수익률 보다 낮았으며, 가장 수익률이 높은 ETF는 인덱스 ETF로서 2.63%를 기록하였고, 다음은 주식 ETF, 해외기초시장 ETF 순으로 나타났다. ETF 투자의 문제점은 전체 ETF와 국내기초시장 ETF의 연간수익률이 2%대로 낮아서 투자자들이 기대하는 5%이상의 수익률에는 미흡하였다. 연구기여도는 실제로 달성 가능한 ETF 투자효과를 분석하여 투자유의사항을 정립한 데 있고, 연구방향은 ETF 자료를 더 많이 축적해서 투자방안을 정밀하게 제시하고자 한다.

• 한국산업정보학회논문지
• /
• 제18권1호
• /
• pp.81-89
• /
• 2013

본 연구는 대표지수 ETF와 섹터 ETF시장에 대해 ETF 가격과 표적지수, 그리고 ETF 가격과 표적지수 가격간의 차이인 총추적효과를 이용하여 가격에 대한 정보효과를 확인하고자 한다. 나아가 총추적효과를 구체적으로 ETF 가격과 순자산가치 NAV의 차이인 시장추적오차와 NAV와 표적지수와의 차이인 NAV 추적오차로 구분한다. 분석결과를 살펴보면 첫째. 시장 대표지수인 KODEX200의 경우 가격에 영향을 미치는 의미 있는 변수를 확인할 수 없었던 반면 대부분의 섹터 ETF의 경우 하루 전의 총추적오차나 시장추적오차가 가격결정에 의미 있는 영향을 미치는 요인으로 나타났다. 둘째, 대부분의 산업별 ETF의 가격에 대해 하루 전의 시장추적오차는 음(-)의 영향을 미치는 것으로 나타나 가격발견기능을 하고 있음을 확인 할 수 있었지만, NAV 추적오차에는 그러한 기능을 찾을 수 없었다. 마지막으로 섹터 ETF 중 에너지화학, 건설, 정보통신, 그리고 반도체 산업의 경우 하루 전의 표적지수에 의해 양(+)의 영향을 받는 것을 보여준다.

• 한국콘텐츠학회논문지
• /
• 제14권11호
• /
• pp.905-914
• /
• 2014

본 연구는 2010년 1월 5일부터 2013년 10월 31일까지의 일별자료를 이용하여 KOSPI200 현물에 대하여 KODEX200 ETF 또는 KOSPI200 선물로 헤지포지션을 구성한 경우와 KODEX200 ETF와 KOSPI200 선물로 헤지포지션을 구성했을 때 헤지성과를 단순헤지모형, 최소분산모형, 벡터오차수정모형을 이용하여 상호 비교분석하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, KOSPI200과 KODEX200 ETF, KOSPI200 선물 그리고 KODEX200 ETF와 KOSPI200 선물 간에는 공적분 관계가 존재하여 이들 간에는 장기적으로 균형관계에 있는 것으로 나타났다. 둘째, 헤지성과는 모형들 간에 차이가 없는 것으로 나타났다. 마지막으로 헤지성과는 KOSPI200 현물과 KOSPI200 선물로 헤지포지션을 구성하는 것 보다는 KOSPI200 현물과 KODEX200 ETF 또는 KODEX200 ETF와 KOSPI200 선물로 헤지포지션을 구성하는 것이 높은 것으로 나타났다. 이러한 결과는 포트폴리오 관리자가 KOSPI200 현물에 대해 위험관리를 함에 있어서 헤지수단으로서 KOSPI200 선물 대신에 KODEX200 ETF를 이용하거나, KOSPI200 현물로 포트폴리오를 구성하는 대신에 KODEX200 ETF를 이용하고 KOSPI200 선물로 헤지포지션을 취하는 것이 위험관리에 있어서 더욱 효과적임을 의미한다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권4호
• /
• pp.843-851
• /
• 2017

로보어드바이저 서비스 제공업체가 금융시장에서 거래되는 ETF를 주력 투자대상으로 집중하고 있다. 이처럼 ETF가 활성화되고 있지만 ETF 위험관리에 관한 연구들은 이뤄지지 않고 있는 상태이다. 본 연구는 변동성의 구조적 변화를 반영한 ETF 손실추정과 ETF 위험관리모형을 평가하였다. 결합 검증통계량 분석결과, GARCH와 마르코프 국면전환 GARCH모형이 시장위험을 적절하게 나타내 주었다. 특히 마르코프 국면전환 GARCH모형이 GARCH모형에 비해 낮은 위반율을 보일뿐 아니라 초과발생들이 독립적이기 때문에 마르코프 국면전환 GARCH모형이 GARCH모형에 비해 좀 더 ETF VaR에 권고될 수 있다.

• 한국융합학회논문지
• /
• 제10권4호
• /
• pp.1-6
• /
• 2019

신경회로망은 과거 데이터로부터 유용한 정보를 추출해서 주가지수의 이동 방향을 예측하는데 사용되어 왔다. 주가 지수의 상승 또는 하락 방향을 예측하는 기존 연구는 지수의 작은 변화에도 상승이나 하락을 예측하므로 이를 기반으로 지수 연동 ETF를 매매 하면 손실이 발생할 가능성이 높다. 본 논문에서는 ETF 매매 손실을 줄이고 매매 당 일정 이상의 수익을 내기 위한 일별 KOrea composite S0tock Price Index (KOSPI)의 이동 방향을 예측하는 신경회로망 모델을 제안한다. 제안된 모델은 이동 방향 예측을 위해 전일 대비 지수 변동률이 상승(변동률${\geq}{\alpha}$), 하락(변동률${\leq}-{\alpha}$)과 중립($-{\alpha}$<변동률<${\alpha}$)을 표시하는 출력을 갖는다. 예측이 상승이면 레버리지 Exchange Traded Fund (ETF)를, 하락이면 인버스 ETF를 매수한다. 본 논문에서 구현된 신경회로망 모델 중 PNN1의 Hit ratio (HR)은 학습에서 0.720, 평가에서 0.616이다. 평가용 데이터로 ETF 매매를 시뮬레이션하면 수익률은 8.39 ~ 16.32 %를 보인다. 또한 제안된 이동 방향 예측 신경회로망 모델이 주가지수 예측 신경회로망 모델 보다 ETF 매매 성공률과 수익률에서 더 우수하다.

• 경영과정보연구
• /
• 제35권2호
• /
• pp.1-12
• /
• 2016

본 연구는 2010년 4월 9일부터 2015년 12월 30일까지의 일별자료를 이용하여 KODEX 레버리지(TIGER 레버리지, KStar 레버리지) 시장이 기초자산인 KOSPI200 현물시장에 대해 가격발견기능이 존재하는 지에 대해 분석 한 것이다. 본 논문의 주요 분석결과는 다음과 같다. 첫째, VECM의 오차조절계수를 이용한 분석에서는 레버리지 ETF시장이 KOSPI200 현물시장에 대해 가격발견에 있어서 우월하다는 증거를 발견하지 못하였다. 둘째, Baba and Inada(2009)가 제시한 Granger-Gonzalo 비율 분석에서도 동일한 결과를 보였다. 셋째, Hasbrouck 비율 분석의 경우 레버리지 ETF 시장이 KOSPI200 현물시장에 대해 가격발견의 우월성은 발견되지 않았으나, KOSPI 200 현물시장이 레버리지 ETF 시장에 대해 가격발견에 있어서 우월한 것으로 나타났다. 이러한 결과는 어떤 정보가 시장에 도착했을 때 레버리지 ETF의 기초자산에 정보가 우선적으로 반영이 되고, 이후에 레버리지 ETF 시장에 정보가 반영된다는 것을 의미한다. 즉, KOSPI200 현물시장이 레버리지 ETF 시장보다 정보의 효율성이 높음을 암시한다.

• 한국융합학회논문지
• /
• 제12권6호
• /
• pp.9-16
• /
• 2021

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1059-1062
• /
• 2021

투자에 대한 관심 증가에 따라 적은 비용과 시간으로 객관적인 정보 제공의 필요성 증가와 함께 인공지능 기술을 활용한 로보어드바이저 서비스가 확대되었다. 또한, 최근 ETF 를 통한 안정적인 투자에 대한 선호도가 증가함에 따라 ETF 중심의 AI 로보어드바이저 추천 서비스가 필요할 것으로 보인다. 하지만, 기존의 투자 어플리케이션에서는 뉴스 기반의 감성적인 요인이 반영되지 않은 추천 방식으로 주가에 영향을 미치는 다양한 요인들을 고려하지 못하는 문제점이 있다. 이에 본 연구에서는 뉴스의 감성분석을 통한 감성지수를 기반으로 새로운 주가 예측 모델을 제안하고, 사용자의 투자 성향 분석을 통한 맞춤 추천 서비스를 통해 개인화된 ETF 서비스를 제공한다.

• 지식경영연구
• /
• 제22권3호
• /
• pp.17-29
• /
• 2021

본 연구의 목적은 타겟 데이트 펀드의 글라이드패스를 적용하는 것에 있어서 기존의 정적인 방법론이 아닌 시장기대(Market Expectations)를 반영한 동적 방법론을 적용하여 투자의 성과를 분석하는 것이다. 시장기대는 ETF 시장의 유통 주식 수를 활용하여 산출하였다. 2011년 말부터 2020년 10월까지 분석 기간에서 시장기대를 고려하는 동적 글라이드패스 모델포트폴리오가 기존의 정적 글라이드패스를 적용하는 모델포트폴리오보다 더 우수한 결과가 나타남을 보일 수 있었다. 분석 결과 ETF의 유통 주식 수가 늘어나는 시점에서는 위험자산 편입 비중을 늘리는 것이, 반대의 경우에는 위험 자산 편입 비중을 줄이는 것이 수익에 있어서 유리한 것으로 나타났다. 본 연구의 결과는 연금 자산운용이라는 경계를 벗어나 공모 펀드 시장과 ETF 시장까지의 폭넓은 관점의 지식경영에 관심을 가지는 연구자 및 자산운용 종사자에게 유용한 이론 및 실무적 시사점을 제공할 것으로 기대한다.